ارائه يك الگوريتم هوشمند جديد مبتني بر شبكه عصبي يولو براي شناسايي عابرين پياده در مسيرهاي ناهموار

وسايل نقليه مجهز به دوربين نصب شده مي توانند تصاوير را با فاصله هاي مناسب ثبت كنند صحنه مورد بررسي كه توسط دوربين گرفته مي شود داراي اندازه هاي مختلفي براي عابرين پياده مي باشد. اگرچه تصاوير با زاويه ديد وسيع تري مي تواند اطلاعات متني بيشتري را در مورد محيط فراهم كند، اما ممكن است به علت ناهموار بودن مسير رانندگي تغييراتي بين زاويه دوربين و مسير پيش رو بوجود آيد، در نتيجه مواردي را اشتباه يا با درصد اطمينان بسيار پايين به عنوان عابرين پياده شناسايي و تشخيص دهند. اين واقعيت باعث كاهش تصاويرقابل تغذيه به شبكه اي با ابعاد بالاتر مي شود كه هزينه محاسباتي را افزايش مي دهد تا از كاهش پيكسل هاي متعلق به عابرين پياده بسيار كوچك جلوگيري كند. براي مقايسه عملكرد مدل روي عابرين پياده با اندازه ها و زواياي متفاوت اين مقاله براساس شناسايي كننده اشيا يولو ورژن چهار مي باشد. در مرحله اول براي دسته بندي داده-هاي مورد بررسي از معماري استاندارد استفاده شد كه نتيجه مناسبي بر روي داده ها نداشته و دقت خيلي پاييني در خروجي به دست آمد، در مرحله دوم از افزايش داده ها استفاده شد از آنجايي كه داده هاي مدل كم بوده و نياز به اضافه شدن داده ها جهت افزايش دقت وجود دارد، كه با تغييرات معماري و بهينه سازي در اين الگوريتم، اين شناسايي كننده نهايتا موفق به بهبود چشمگير عملكرد شناسايي عابرين پياده در مسير هاي ناهموار شد.